Анализ непрерывных данных с использованием программной среды R

  • Авторы: Егошин ВЛ1, Иванов СВ2, Саввина НВ3, Калмаханов СБ4, Жамалиева ЛМ5, Гржибовский А.М.6,7,8,5
  • Учреждения:
    1. Павлодарский филиал Государственного медицинского университета г. Семей
    2. Первый Санкт-Петербургский государственный медицинский университет им. акад. И.П. Павлова
    3. Северо-Восточный федеральный университет им. М.К. Аммосова
    4. Казахский национальный университет им. аль-Фараби
    5. Западно-Казахстанский государственный медицинский университет им. Марата Оспанова
    6. Казахский национальный университет им. Аль-Фараби
    7. Северный государственный медицинский университет
    8. Северо-Восточный федеральный университет
  • Выпуск: Том 25, № 11 (2018)
  • Страницы: 51-64
  • Раздел: Статьи
  • URL: https://ogarev-online.ru/1728-0869/article/view/16642
  • DOI: https://doi.org/10.33396/1728-0869-2018-11-51-64
  • ID: 16642

Цитировать

Полный текст

Аннотация

В статье рассматриваются основные алгоритмы работы в программной среде R, используемые для анализа непрерывных данных. Представлены основные алгоритмы для сравнения количественных данных одной, двух, трех и большего количества независимых и связанных групп с использованием параметрических и непараметрических критериев.

Об авторах

В Л Егошин

Павлодарский филиал Государственного медицинского университета г. Семей

С В Иванов

Первый Санкт-Петербургский государственный медицинский университет им. акад. И.П. Павлова

Н В Саввина

Северо-Восточный федеральный университет им. М.К. Аммосова

С Б Калмаханов

Казахский национальный университет им. аль-Фараби

Л М Жамалиева

Западно-Казахстанский государственный медицинский университет им. Марата Оспанова

Андрей Мечиславович Гржибовский

Казахский национальный университет им. Аль-Фараби; Северный государственный медицинский университет; Северо-Восточный федеральный университет; Западно-Казахстанский государственный медицинский университет им. Марата Оспанова

Email: Andrej.Grjibovski@gmail.com
доктор медицины, заведующий ЦНИЛ; профессор; визитинг-профессор

Список литературы

  1. Кабаков Р. И. R в действии. Анализ и визуализация данных в программе R / пер. с англ. П. А. Волковой. М.: ДМК Пресс, 2014. 588 с
  2. Мастицкий С. Э., Шитиков В. К. Статистический анализ и визуализация данных с помощью R. М.: ДМК Пресс, 2015. 496 с
  3. Мастицкий С. Э. R: Анализ и визуализация данных. 2017. URL: http://r-analytics.blogspot.com (дата обращения 18.09.2018)
  4. Усынина А. А., Одланд И. О., Пылаева Ж. А., Пастбина И. М., Гржибовский А. М. Регистр родов Архангельской области как важный информационный ресурс для науки и практического здравоохранения // Экология человека. 2017. № 2. С. 58-64
  5. Altman D. G., Bland J. M. Parametric V Non-Parametric Methods for Data Analysis. BMJ. 2009, 338, p. a3167.
  6. Anuar, Roee. 2017. Ties Should Not Be Present ’in One-Sample Kolmgorov-Smirnov Test in R. Available from: https://stats.stackexchange.com/questions/232011/ties-should-not-be-present-in-one-sample-kolmgorov-smirnov-test-in-r/232067 (accessed: 18.09.2018).
  7. Bland J. M., Altman D. G. Analysis of continuous data from small samples. BMJ. 2009, 338, p. a3166.
  8. Bland J. M., Altman D. G. Statistics Notes: Transforming Data. BMJ. 1996, 312, p. 770.
  9. Cafiso S., DiGraziano A., Pappalardo G. Using the Delphi method to evaluate opinions of public transport managers on bus safety. Safety Science. 2013, 57 (8), pp. 254-263.
  10. Cohen J. 1988. Statistical Power Analys is for the Behavioral Sciences. 2nd ed. Lawrence Erlbaum Associates, Hillsdale, New Jersey, 1988.
  11. Crawley M. J. The R Book. 2nd ed. Wiley, 2013.
  12. Gung. 2015. Effect Size for a One-Sinple T-Test. Available from: https://stats.stackexchange.com/questions/116514/effect-size-for-a-one-sample-t-test (accessed: 18.09.2018).
  13. Hoekstra R., Morey R. D., Rouder J. N., Wagenmakers E. J. Robust misinterpretation of confidence intervals. Psychon Bull Rev. 2014, 21 (5), pp. 1157-1 164.
  14. Keselman H. J., Othman A. R., Wilcox R. R. Preliminary Testing for Normality: Is This a Good Practice? Journal of Modern Applied Statistical Methods. 2013, 12 (2), pp. 2-19.
  15. Lakens D. Calculating and reporting effect sizes to facilitate cumulative science: A practical primer for t-tests and ANOVAs. Frontiers in Psychology. 2013, 4, p. 863.
  16. Logan M. Biostatistical Design and Analysis Using R: A Practical Guide. Wiley-Blackwell, 2010.
  17. Mans T. 2014. Is Normality Testing ’Essentially Useless’? Available from: https://stats.stackexchange.com/questions/2492/is-normality-testing-essentially-useless/2501#2501 (accessed: 18.09.2018).
  18. Moyé L. Statistical Methods for Cardiovascular Researchers. Circulation Research. 2016, 118 (3), pp. 439453.
  19. Olejnik S., Algina J. Generalized Eta and Omega Squared Statistics: Measures of Effect Size for Some Common Research Designs. Psychological Methods. 2003, 8 (4), pp. 434-447.
  20. Pearson Ronald K. 2011. The Many Uses of Q-Q Plots. Available from: https://exploringdatablog.blogspot.com/2011/03/many-uses-of-q-q-plots.html (accessed: 18.09.2018).
  21. Peter Statistics. 2017. Crash Course. Available from: https://peterstatistics.com/CrashCourse/index.html (accessed: 18.09.2018).
  22. Rochon J., Gondan M., Kieser M. To test or not to test: Preliminary assessment of normality when comparing two independent samples. BMC Medical Research Methodology. 2012, 12 (1), p. 81.
  23. Rosenthal R. Meta-analytic procedures for social research. Newbury Park, CA, SAGE Publications, Incorporated, 1991.
  24. Schoder V., Himmelmann A., Wilhelm K. P. Preliminary testing for normality: some statistical aspects of a common concept. Clin Exp Dermatol. 2006, 31 (6), pp. 757-761.
  25. STAT500. Penn State. 2018. Applied Statistics. Available from: https://newonlinecourses.science.psu.edu/stat500/ (accessed: 18.09.2018).
  26. STAT502. Penn State. 2018. Analysis of Variance and Design of Experiments. Available from: https:// https://onlinecourses.science.psu.edu/stat502/ (accessed: 18.09.2018).
  27. Tomczak M., Tomczak E. The need to report effect size estimates revisited. An overview of some recommended measures of effect size. Trends in Sport Sciences. 2014, 1 (21), pp. 19-25.
  28. Wickham H. 2014. Tidy Data. Journal of Statistical Software. 2014, 59 (10).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Экология человека, 2018


 


Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).